邊緣系統VLM視覺理解推論實作工作坊
|
在Windows平台以Visual Studio為基礎配置OpenVINO C++開發環境
5 月23

在Windows平台以Visual Studio為基礎配置OpenVINO C++開發環境

本文主要介紹如何在Windows平台以Visual Studio為基礎配置OpenVINO C++開發環境,作者將帶領大家一步步從零開始,並提供完整的測試程式碼。

Read More
AI分割一切:用OpenVINO加速Meta SAM大模型
5 月05

AI分割一切:用OpenVINO加速Meta SAM大模型

最近在電腦視覺領域就出現了專屬的物體分割大模型,由Meta開源的「萬物可分割」(SAM)物體分割模型。這個強大的通用分割模型,當然也能用OpenVINO進行最佳化以及推論的加速,使其能方便快速地在Intel的CPU上部署執行。來跟著我們提供的程式碼與步驟一起來動手試試吧!

Read More
【Stable Diffusion教學】如何訓練自己的LoRA模型?
4 月25

【Stable Diffusion教學】如何訓練自己的LoRA模型?

本篇文章會教導大家如何訓練自己的LoRA模型,並以約翰韋恩風格的人物為例,將步驟拆解,一步一步地進行教學。

Read More
【CAVEDU講堂】Jetson Orin Nano 邊緣運算電腦執行 Jetson Inference 深度學習影像函式庫
4 月19

【CAVEDU講堂】Jetson Orin Nano 邊緣運算電腦執行 Jetson Inference 深度學習影像函式庫

本文將說明如何在 Jetson Orin Nano 上安裝 Jetson Inference即時影像深度網路函式庫,使用了 TensorRT 來在 GPU 上執行各種最佳化後的神經網路模型。

Read More
如何以OpenVINO在Intel GPU上執行Stable Diffusion
3 月27

如何以OpenVINO在Intel GPU上執行Stable Diffusion

你知道我們也可以執行最夯的Stable Diffusion圖片生成模型,並且將該模型轉換為OpenVINO的IR格式,讓它在CPU與GPU上高效率執行嗎?

Read More
如何用OpenVINO讓YOLOv8獲得1000+FPS性能?
3 月16

如何用OpenVINO讓YOLOv8獲得1000+FPS性能?

YOLO又推出了最新的YOLOv8模型,其模型架構創新以及性能提升,使其剛問世就獲得廣大開發者的關注。如果說利用OpenVINO的量化和加速,利用英特爾CPU、整合式顯卡以及獨立顯卡與同一程式碼庫無縫協作,可以獲得1000+ FPS的性能,你相信嗎?我們將一步步教你在利用OpenVINO在英特爾處理器上實現這樣的性能。

Read More